简介:目的:探讨基于深度学习的结直肠息肉诊断自动分类模型的构建。方法:收集2018年1月至2023年1月在苏州市3个内镜中心的不同图像增强内镜(IEE)技术下的结肠镜图像957张(常熟市第一人民医院537张,常熟市中医院359张,苏州大学附属第一医院61张),依据病理结果分为正常组、增生性息肉组和腺瘤性息肉组。利用DenseNet-121、EfficientNet、resnet101和resnet50 4种卷积神经网络(CNN)框架,构建深度学习模型,并评估其与经验不同的内镜医师的准确率、召回率、精确度、F1值和读片时间。结果:EfficientNet在4个模型中最为优越,准确率0.961,召回率0.968,精确度0.959,F1值0.962,在读图用时方面,所有模型完成图像自动诊断任务的平均时间为(4.08±0.63)s,远快于内镜医师所需的平均时间[(291.10±17.68)s],差异有统计学意义(t=-36.22,P<0.01)。将Ef..
简介:【摘要】目的:探讨基于问题导向学习(PBL)的急诊医学教学模式在提高医学生急诊医学知识和技能方面的有效性。方法:选取了2023年3月至2024年3月期间在我院急诊实习医生66例作为研究对象,随机分为PBL教学组和传统教学组,每组33例。PBL教学组在常规教学措施的基础上,采用了问题导向学习法,即通过模拟临床情境,引导学生主动提出问题、搜集资料、分析讨论并解决问题。传统教学组则采用了常规的讲授法。两组学生在教学结束后,通过统一的考核体系评估其急诊医学知识和技能掌握情况,包括基础知识测试和临床思维能力测试。结果:PBL教学组学生的基础知识测试平均得分为85.2±4.3分,临床思维能力测试平均得分为88.5±3.9分;而传统教学组学生的基础知识测试平均得分为72.4±5.6分,临床思维能力测试平均得分为76.3±4.7分。两组间比较,PBL教学组在基础知识和临床思维能力方面均显著优于传统教学组(p<0.05)。结论:基于问题导向学习的急诊医学教学模式能显著提高学生的急诊医学知识和临床思维能力,与传统教学方法相比,PBL教学法在急诊医学教学中具有明显的优势,有助于培养学生的自主学习能力和临床实践能力。
简介:【摘要】目的:探究基于问题学习教学法在临床输血教学中应用价值。方法:选择我院2021年8月至2022年9月期间在我院实习的28名实习生作为本次探究对象,随机平均分为两组,对照组给予常规教学方法,探究组给予基于问题学习教学法,观察应用价值。结果:探究组实习生的理论成绩和实践成绩、自主学习能力评分明显优于对照组(P<0.05)。结论:在临床输血教学的过程中给予实习生给予问题学习教学法效果显著,相较于常规教学方法能够进一步提升实习生的理论成绩和实践成绩,同时能够提升实习生的自我学习动机、增强对学习任务的分析能力以及强化自我监控和调节的能力,具有较高的临床使用价值,值得推广。
简介:摘要:目的:为了提高尿路上皮癌的筛查效率和准确性,基于人工智能和病理学理论,提出基于自监督学习的尿路上皮癌辅助筛查系统。方法:为了获得高质量的细胞学图片,设计基于高敏薄层的尿脱落细胞学检测方法。以该方法为基础,提出基于多重掩码的细胞图像表征学习算法。以高质量的细胞图像表征为基础,设计基于上下文的尿路上皮癌目标检测算法。利用无标签数据进行预训练,有效提取与尿路上皮癌相关的图像特征。在有限的有标签数据上微调,精准检测尿路上皮癌细胞。结论:实验结果表明,该模型在尿路上皮癌辅助筛查任务中表现出显著的性能提升,为临床病理医生提供有力的辅助工具。
简介:摘要:目的:为了提高尿路上皮癌的筛查效率和准确性,基于人工智能和病理学理论,提出基于自监督学习的尿路上皮癌辅助筛查系统。方法:为了获得高质量的细胞学图片,设计基于高敏薄层的尿脱落细胞学检测方法。以该方法为基础,提出基于多重掩码的细胞图像表征学习算法。以高质量的细胞图像表征为基础,设计基于上下文的尿路上皮癌目标检测算法。利用无标签数据进行预训练,有效提取与尿路上皮癌相关的图像特征。在有限的有标签数据上微调,精准检测尿路上皮癌细胞。结论:实验结果表明,该模型在尿路上皮癌辅助筛查任务中表现出显著的性能提升,为临床病理医生提供有力的辅助工具。
简介:【摘要】 目的 分析基于深度学习的脊柱手术术中导航配准技术效果。方法 纳入2023年1月~2023年12月兴国县人民医院脊柱外科的300例脊柱手术患者,搜集患者术前CT,X线资料,提出一种全新的不借助标记物等外在信息的多模态图像自动配准算法,基于卷积神经网络深度学习等技术、数字影像重建技术等,实现手术的智能导航系统,以传统的手术规划操作作为对照组。分析配准精度情况。结果 与对照组相比,应用基于深度学习的脊柱手术术中导航配准技术,归一化互相关(NCC)指标水平提高0.1742,归一化互信息(NMI)指标水平提高0.2773,平均绝对误差(MAE)水平降低0.0833。结论 基于深度学习的脊柱手术术中导航配准技术的应用效果显著。